A brief of Data Science.

1. 데이터 읽는 남자
7번째 순서

2. 김영웅
꿈꾸는 데이터 디자이너 매니저
M.I.S 전공 박사과정
MBA (통신미디어트랙)
컴퓨터공학 전공
Ryan Kim | Convergence Business Designer
Facebook. https://www.facebook.com/keyassist
E-mail. youngwung.kim@gmail.com
Web. http://keyassist.tistory.com
데이터.읽는.남자

3. A brief History of Data Science

4. Computer Science
Data Technology
Visualization
Mathematics/OR
Statistics

5. <source=http://www.doclens.com/>

6. How to Become a Data Scientist for Free

7. <source=http://www.datasciencecentral.com/profiles/blogs/how-to-become-a-data-scientist-for-free>
Compact Summary
데이터에

8. 대해

9. 이해하기

10.
컨텍스트가

11. 없는

12. 데이터는

13. 오해로

14. 이어지거나

15. 쓸모없을수도

16. 있습니다.

17. Hadoop,

18. NoSQL,

19. Tableau

20. 와

21. 같은

22. 툴이나

23. 트렌드

24. 단어

25.
없이

26. 데이터

27. 자체에

28. 대해

29. 이야기할

30. 수

31. 있는

32. 사람이

33. 필요합니다.

34. 또한

35. 데이터가

36. 의미하는

37. 바를

38. 제대로

39. 끌어낼

40. 수

41. 있어야

42. 합니다.

43.
(개인적으로

44. 데이터과학은

45. 새로운

46. 기술이나

47. 방법이

48. 아니라

49. 생각하는

50. 방식의

51. 변화,

52. 즉

53. 데이터를

54. 기반으로

55. 생각하고

56. 문제에

57. 접근
하는

58. 사고적

59. 개념이라고

60. 생각합니다.)

61.
데이터

62. 과학자에

63. 대해

64. 이해하기

65.
데이터과학

66. 분야에서

67. 가장

68. 혼란스럽게

69. 사용되는

70. 단어가

71. '데이터

72. 과학자'

73. 일것입니다.

74. 이

75. 분야의

76. 사람중

77. 일부는

78. Hadoop,

79.
NoSQL

80. 등

81. 기술에

82. 익숙하고

83. 또

84. 다른

85. 일부는

86. 수학이나

87. 통계를

88. 이용하고

89. 매우

90. 어렵게

91. 설명합니다.

92. 또

93. 다른

94. 이들은

95. 대쉬보드를

96. 시
각화하거나,

97. 끝없는

98. ETL

99. 프로세스를

100. 구동합니다.

101. (ETL

102. :

103. Extract,

104. Transform,

105. Load

106. 의

107. 약자로

108. 전통적인

109. 데이터웨어하우스에서

110.
데이터를

111. 변형하여

112. 처리하는

113. 프로세스를

114. 말합니다).

116.
하지만

117. 데이터과학자는

118. 위의

119. 언급된

120. 사람들보다

121. 각

122. 분야에

123. 대한

124. 이해도나

125. 실제로

126. 만들어내는

127. 역량은

128. 다소

129. 부족하지만,

130. 각각을

131.
어떻게

132. 이어나가

133. 일로

134. 만들어낼지는

135. 아는

136. 사람이라고

137. 생각합니다.

138. 좋은

139. 데이터과학자는

140. outside

141. the

142. box

143. 방식으로

144. 무엇이

145. 가
능한지

146. 이해하고

147. 데이터를

148. 현실의

149. 필요와

150. 기술

151. 사이에서

152. 연결하는

153. 사람이라고

154. 할

155. 수

156. 있습니다.

157. 또한

158. 데이터로

159. 부터

160. 인간의

161. 행동
을

162. 읽어내고

163. 명확하게

164. 비즈니스적으로

165. 이어내는

166. 사람이라고

167. 볼수도

168. 있습니다.

170.
13가지

171. TED

172. 영상을

173. 시청하기

177. http://goo.gl/KgzM2z

178.
한스로슬링의

179. 영상을

180. 시청하기.

181. http://goo.gl/KnTxEx

182. source=http://mushon.com/

184. Digital Literacy

185. 디지털 리터러시는 단순히 컴퓨터를 사용
할 줄 아는 능력이 아니라 인터넷에서 찾아낸
정보의 가치를 제대로 평가하기 위해 모든 사용
자에게 요구되는 비판적인 사고력과 컴퓨터를
통해 다양한 출처로부터 찾아낸 여러 가지 형태
의 정보를 이해하고 자신의 목적에 맞는 새로운
정보로 조합해 냄으로써 올바로 사용하는 능력
으로 정의한다(Gilster, 1997).
디지털 리터러시란 컴퓨터상에서 제공되는 다
양한 출처로부터 얻게 되는 여러 형태의 정보를 이
해하고 활용할 수 있는 능력이다(Larson, 2000).
디지털 리터러시는 다양한 디지털 테크놀로지를 이용하여 효과적이고
비판적으로 정보를 탐색하고, 평가하고, 만들어내는 능력이다. “그 능력을
인식해서 사용하고, 디지털 미디어를 가공해서 변형하고, 널리 배포하고, 새
로운 형식에 쉽게 적용하기 위해” 필요하다.
디지털 리터러시는 전통적인 리터러시 형식을 대체하는 것이 아니라 전통적
인 리터러시 형식의 기반 위에 만들어진다. 디지털 리터러시는 디지털과 리
터러시라는 용어의 결합이지만, 그 이상을 의미한다.
디지털 정보는 데이터의 상징적 표현이고, 리터러시는 지식을 읽고, 일관성
있게 글을 쓰고, 글로 표현된 것을 비판적으로 사고하는 것을 말한다.
source= http://homemag.kr/what-is-digital-literacy

186. Data Literacy

187. Data literacy is the ability to
read, create and communicate
data as information and has been
formally described in varying ways.
Just as literacy refers to “the ability
to read for knowledge, write
coherently and think critically about
printed material” data-literacy is the
ability to consume for knowledge,
produce coherently and think
critically about data.
Data literacy is the ability to
consume for knowledge, produce
coherently and think critically about
data.
Data literacy includes statistical
literacy but also understanding how
to work with large data sets, how
they were produced, how to
connect various data sets and how
to interpret them.
source=https://en.wikipedia.org/wiki/Data_literacy source=http://datajournalismhandbook.org

191. source=http://www.slideshare.net/thomasgr/connecting-developers-with-things-developer-relations-for-internet-of-things

192. 데이터.읽어주는남자
Next Theme

193. 데이터 읽는 남자
7번째 순서